A Review of the Costs of Assault, Homicide, Mass Murder and Pedophilia with Implications for the Insurance Industry and the U.S. Roman Catholic Church: A Rationale for Using Computer Tests and Machine Learning Equations
Notice bibliographique
Résumé
20 May 2021 U.S. dollar cost for assault = $33,773.52; homicide, $3,834,988.08, domestic terror, mass murder, spree-shooting, 3 dead, $11,504,964.24, pedophilia, $139,430.28. Over 85 years, domestic-terror, mass-murder, spree-shooter assaults cost = 1 to 5,000. $33,773.52 x 5,000 = $168,867,600; dead victims = from 1 to 1,000. $3,834,988.08 x 1,000 = $3,834,988,080. 1936-2021 U.S. insurance industry mass murder costs = [$2,416,042,490 (630 @ $3,834,988.08) + $6,327,730,332 (1,650 @ $3,834,988.08) + $105,474,702.96 (3,123 @ $33,773.52) = $8,849,247,525.36] + [insurance, tax-increases $11,504,021,782.97 ($8,849,247,525.36 x 1.3] =$20,353,269,317.93. Projecting 2021 to 2105 insurance industry no policy change (i.e., computer tests, machine learning equations), $40,706,538,616.66, 3,330 deaths, 6,246 injuries, 388 suicides. U.S. Roman Catholic Church pedophilia costs, 1986-2011, $2,486,898,000, payouts + lost-donations [($2,486,898,000.00 x 1.3) = $3,232,967,400 = $5,719,865,400 + 5,679 x 5 = 28,395 victims]. Projecting 2017 U.S. Church (2012-2037, 2038-2056, 2057-2082, 2083-2107), $5,719,865,400 x 5 = $28,599,327,000, 5,679 x 5 = 28,395 victims.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».